开源+降本浅析及Deepseek模型在countdown游戏上的初探
开源+降本：Deepseek模型对大模型行业的影响浅析
- 1. 特点：降本增效+开源
- 2. 具体技术特点
- 3. Countdown案例的复现测试
-
- 3.1 countdown是个什么游戏？
- 3.2 Countdown游戏数据集生成
- 3.3 其他可用的框架或者包
- 3.4 硬件配置多大才能用大模型？CPU+RAM可调用的大模型！
- 3.5 Deepseek量化后模型的简单测试
- 参考资料
最近，AI圈的大模型方向，对deepseek大模型的讨论不绝于耳，咱们国人在AI领域上的原创性探索虽然目前还缺乏了点，但对原创性成果的降本增效还是突破多多，deepseek这波遭受大规模恶意攻击【1】就可以感觉到其对国外AI行业的冲击和国外公司的羡慕了。其实是否开源这个概念的争议和讨论一直不断【5】。
1. 特点：降本增效+开源
- 在人工智能领域，大模型的训练和部署成本一直是行业面临的重大挑战。然而，DeepSeek的出现，以其独特的降本增效策略和开源模式，为行业带来了新的希望和方向。
DeepSeek-V3是DeepSeek团队在降本增效方面的一个重要里程碑。该模型通过一系列技术创新，实现了在较低成本下的高效训练和推理。 - DeepSeek的开源策略是其另一个重要的创新点。DeepSeek-R1作为DeepSeek团队最新发布的开源模型，采用了MIT许可协议，支持免费商用、任意修改和衍生开发。这种开源模式不仅使得更多的开发者和研究者能够接触到和使用DeepSeek的技术，还促进了技术的快速传播和创新。开源带来的好处是显而易见的。首先，开源使得更多的开发者能够基于DeepSeek的技术开发出各种创新的应用。例如，UC伯克利的博士生团队在游戏CountDown中复现了DeepSeek R1-Zero，验证了通过强化学习，3B的基础语言模型也能够自我验证和搜索